一种虚拟人物情绪变化量的生成方法及相关设备技术

本申请提供了一种虚拟人物情绪变化量的生成方法及相关设备，通过预设语言模型和GPT语言模型，对包含多个基于不同虚拟人物特质下所面对的事件的第一数据集进行预处理，得到第二数据集。然后根据得到的第二数据集合，构建奖励函数模型，并基于此奖励函数模型以及预设强化学习模型对预设语言模型进行优化，得到经过优化后的预设语言模型。最后基于经过优化后的预设语言模型对输入数据进行语言分析与处理，即可得到与输出数据对应的情绪变化量。通过上述方法，基于具体的输入数据即可得到即时的情绪变化量，情绪变化量的生成准确率高，虚拟人物能够实时根据用户反馈的输入数据生成对应的情绪变化量以调整自身的情绪，大大提升了虚拟人物的拟人化程度。了虚拟人物的拟人化程度。了虚拟人物的拟人化程度。

【技术实现步骤摘要】
一种虚拟人物情绪变化量的生成方法及相关设备


[0001]本申请涉及人工智能
，特别是涉及一种虚拟人物情绪变化量的生成方法及相关设备。

技术介绍

[0002]随着人工智能技术的飞速发展，虚拟人物广泛应用于各类场景中。虚拟人物不仅可以与用户进行对话为用户提供帮助，还可以与用户进行互动，其具备着一定的娱乐性质。
[0003]在目前的应用场景中，针对于不同的事件，虚拟人物会产生不同的情绪变化，并且针对于虚拟人物特定的人物特质，即使是在面对同样的事件时，虚拟人物也会产生不同的情绪变化，人物特质可以具体指定人物的性格特质，也可以是人物的社会关系。例如，当一个性格暴躁的人被推了一下，此时这个人的情绪是愤怒的，而如果是一个性格软弱的人被推了一下，那么此人的情绪是害怕的。因此，即使面对同一种事件，若对于虚拟人物的性格设定不同，事件所带来的情绪变化量也不同。在目前的现有技术中，其虽然可以通过GPT技术来实现基于不同人物特质下虚拟人物的情绪变化量的生成，但由于GPT模型本身的泛化性，在任务量较多时，其生成的虚拟AI人物的情绪变化量往往存在一些误差，生成的情绪变化量的准确性较差。
[0004]因此，如何解决现有技术在生成虚拟人物的情绪变化量时，情绪变化量生成准确率较低的问题，成为本领域技术人员急需解决的技术问题。

技术实现思路

[0005]基于上述问题，为了解决在人工智能技术中，虚拟人物的情绪变化量生成准确率低的问题，本申请提供了一种虚拟人物情绪变化量的生成方法及相关设备。
[0006]本申请实施例公开了如下技术方案：第一方面，本申请公开了一种虚拟人物情绪变化量的生成方法，包括：获取第一数据集；所述第一数据集包括：多个基于不同的虚拟人物特质下所面对的事件；所述虚拟人物特质至少包括：虚拟人物性格特质以及虚拟人物社会关系；通过预设语言模型和GPT语言模型，对所述第一数据集进行预处理，得到第二数据集；所述第二数据集包括：在所述不同的虚拟人物特质下，面对所述事件时所产生的情绪变化量；所述情绪变化量用于表示在面对所述事件时所产生的情绪；根据所述第二数据集，构建奖励函数模型；通过所述奖励函数模型和预设强化学习模型，对所述预设语言模型进行优化，得到经过优化的预设语言模型；获取输入数据；将所述输入数据导入至所述经过优化的预设语言模型中，生成与所述输入数据对应的情绪变化量。
[0007]可选的，所述生成与所述输入数据对应的情绪变化量之后，还包括：
根据所述情绪变化量，确定所述虚拟人物的情绪强度；根据所述虚拟人物的情绪强度，确定与所述情绪强度对应的情绪控制参数；根据所述情绪控制参数，对所述虚拟人物的情绪进行控制。
[0008]可选的，所述情绪控制参数至少包括：情绪强度衰减速率和情绪维持时间；所述情绪强度衰减速率表示在单位时间内，所述情绪强度的衰减数值；所述根据所述情绪控制参数，对所述虚拟人物的情绪进行控制，具体包括：在经过所述情绪维持时间后，根据所述情绪强度衰减速率，对所述虚拟人物的情绪强度进行调整。
[0009]可选的，所述根据所述情绪变化量，确定所述虚拟人物的情绪强度之后，还包括：根据所述输入数据与所述虚拟人物的情绪强度，确定与所述输入数据对应的回应文本。
[0010]可选的，所述输入数据基于预设格式生成；所述输入数据至少包括：所述虚拟人物的性格特质、发生事件以及所述虚拟人物社会关系中的至少一个。
[0011]第二方面，本申请公开了一种虚拟人物情绪变化量的生成装置，包括：第一获取模块，用于获取第一数据集；所述第一数据集包括：多个基于不同的虚拟人物特质下所面对的事件；所述虚拟人物特质至少包括：虚拟人物性格特质以及虚拟人物社会关系；预处理模块，用于通过预设语言模型和GPT语言模型，对所述第一数据集进行预处理，得到第二数据集；所述第二数据集包括：在所述不同的虚拟人物特质下，面对所述事件时所产生的情绪变化量；所述情绪变化量用于表示在面对所述事件时所产生的情绪；函数构建模块，用于根据所述第二数据集，构建奖励函数模型；优化模块，用于通过所述奖励函数模型和预设强化学习模型，对所述预设语言模型进行优化，得到经过优化的预设语言模型；第二获取模块，用于获取输入数据；生成模块，用于将所述输入数据导入至所述经过优化的预设语言模型中，生成与所述输入数据对应的情绪变化量。
[0012]可选的，所述虚拟人物情绪变化量的生成装置，还包括：情绪控制模块；所述情绪控制模块，用于：根据所述情绪变化量，确定所述虚拟人物的情绪强度；根据所述虚拟人物的情绪强度，确定与所述情绪强度对应的情绪控制参数；根据所述情绪控制参数，对所述虚拟人物的情绪进行控制。
[0013]可选的，所述情绪控制模块，具体用于：在经过所述情绪维持时间后，根据所述情绪强度衰减速率，对所述虚拟人物的情绪强度进行调整。
[0014]第三方面，本申请公开了一种电子设备，所述设备包括：处理器、存储器、系统总线；所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行所述的虚拟人物情绪变化量的生成方法。
[0015]第四方面，本申请公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行所述的虚拟人物情绪变化量的生成方法。
[0016]相较于现有技术，本申请具有以下有益效果：本申请提供了一种虚拟人物情绪变化量的生成方法及相关设备，通过预设语言模型和GPT语言模型，对包含多个基于不同虚拟人物特质下所面对的事件的第一数据集进行预处理，得到第二数据集。然后根据得到的第二数据集合，构建奖励函数模型，并基于此奖励函数模型以及预设强化学习模型对预设语言模型进行优化，得到经过优化后的预设语言模型。最后基于经过优化后的预设语言模型对输入数据进行语言分析与处理，即可得到与输出数据对应的情绪变化量。通过基于奖励函数模型以及预设强化学习模型对预设语言学习模型进行优化，在需要针对特定的输入数据对虚拟人物的情绪进行改变时，基于具体的输入数据即可得到即时的情绪变化量，其整体对于情绪变化量的生成准确率高，虚拟人物能够实时根据用户反馈的输入数据生成对应的情绪变化量以调整自身的情绪，大大提升了虚拟人物的拟人化程度，提升了用户的使用体验。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0018]图1为本申请实施例提供的一种虚拟人物情绪变化量的生成方法的流程示意图；图2为本申请实施例提供的输入数据的预设格式示意图；图3为本申请实施例提供的一种虚拟人物情绪变化量的生成装置的结构示意图；图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0019]正如前文描述，在目前的应用场景中，针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种虚拟人物情绪变化量的生成方法，其特征在于，包括：获取第一数据集；所述第一数据集包括：多个基于不同的虚拟人物特质下所面对的事件；所述虚拟人物特质至少包括：虚拟人物性格特质以及虚拟人物社会关系；通过预设语言模型和GPT语言模型，对所述第一数据集进行预处理，得到第二数据集；所述第二数据集包括：在所述不同的虚拟人物特质下，面对所述事件时所产生的情绪变化量；所述情绪变化量用于表示在面对所述事件时所产生的情绪；根据所述第二数据集，构建奖励函数模型；通过所述奖励函数模型和预设强化学习模型，对所述预设语言模型进行优化，得到经过优化的预设语言模型；获取输入数据；将所述输入数据导入至所述经过优化的预设语言模型中，生成与所述输入数据对应的情绪变化量。2.根据权利要求1所述的方法，其特征在于，所述生成与所述输入数据对应的情绪变化量之后，还包括：根据所述情绪变化量，确定所述虚拟人物的情绪强度；根据所述虚拟人物的情绪强度，确定与所述情绪强度对应的情绪控制参数；根据所述情绪控制参数，对所述虚拟人物的情绪进行控制。3.根据权利要求2所述的方法，其特征在于，所述情绪控制参数至少包括：情绪强度衰减速率和情绪维持时间；所述情绪强度衰减速率表示在单位时间内，所述情绪强度的衰减数值；所述根据所述情绪控制参数，对所述虚拟人物的情绪进行控制，具体包括：在经过所述情绪维持时间后，根据所述情绪强度衰减速率，对所述虚拟人物的情绪强度进行调整。4.根据权利要求2所述的方法，其特征在于，所述根据所述情绪变化量，确定所述虚拟人物的情绪强度之后，还包括：根据所述输入数据与所述虚拟人物的情绪强度，确定与所述输入数据对应的回应文本。5.根据权利要求1所述的方法，其特征在于，所述输入数据基于预设格式生成；所述输入数据至少包括：所述虚拟人物的性格特质、发生事件以及所述虚拟人物社会关系中的至少一个。6.一种虚拟人物情绪变化量的生成装置，其特征在于，包括：第一获取模块，用于获取第一数据集；所述第一数据集包括...

【专利技术属性】
技术研发人员：袁泉，
申请(专利权)人：启智元慧杭州科技有限公司，
类型：发明
国别省市：